[發明專利]一種多源圖像處理方法

有效

• 申請號: 201910400558.1
• 申請日: 2019-05-15
• 公開（公告）號: CN110119716B
• 公開（公告）日: 2021-05-11
• 發明（設計）人: 霍春雷;胡慧鑫;魏飛龍;張帥;潘春洪;向世明
• 申請（專利權）人: 中國科學院自動化研究所
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62
• 代理公司: 北京市恒有知識產權代理事務所(普通合伙) 11576
• 代理人: 郭文浩;尹文會

本發明實施例提供一種多源圖像處理方法，包括：采用自動聚類獲取多幅相關圖像的第一聚類類標；其中，所述多幅相關圖像包括采用多個傳感器獲取的多幅與地點或者目標相關的圖像；至少基于所述第一聚類類標提取所述多幅相關圖像的不變性特征和差異性特征；以及根據所述不變性特征以及所述差異性特征進行圖像后處理，其中，所述圖像后處理包括目標識別或圖像融合。本發明綜合利用多源遙感圖像，在無先驗的情況下從數據本身出發提取、解譯不同傳感器圖像的不同層次、不同尺度上的不變性特征和差異性特征。本發明可以廣泛應用于多源遙感圖像融合和目標識別中。

技術領域

本發明涉及多源遙感圖像融合、特征理解、專家解譯等技術領域，具體涉及一種多源圖像處理方法。

背景技術

多源遙感圖像特征解譯的關鍵在于提取多源遙感圖像的共用不變性特征和差異互補性特征。由于成像機理的差異，自動提取多源遙感圖像的共用不變性特征和差異互補性特征非常困難，嚴重制約了多源異構遙感圖像的實際應用。

發明內容

為了解決上述技術問題，本發明提出了一種多源圖像處理方法。

本發明提出一種多源圖像處理方法，包括：采用自動聚類獲取多幅相關圖像的第一聚類類標；其中，所述多幅相關圖像包括采用多個傳感器獲取的多幅與地點或者目標相關的圖像；至少基于所述第一聚類類標提取所述多幅相關圖像的不變性特征和差異性特征；以及根據所述不變性特征以及所述差異性特征進行圖像后處理，其中，所述圖像后處理包括目標識別或圖像融合。

在一些實施例中，所述的多源圖像處理方法還包括：基于所述多幅相關圖像生成綜合圖像，采用自動聚類獲取所述綜合圖像的第二聚類類標以及多源不變性樣本集合，其中，所述第二聚類類標包括聚類中心及每個像素的類別；基于所述多幅相關圖像采用自動聚類獲取多源差異性樣本集合，根據所述第二聚類類標重置所述第一聚類類標；以及基于所述多源差異性樣本集合、所述多源不變性樣本集合、所述第一聚類類標、所述第二聚類類標以及特征解釋方程，提取所述多個相關圖像的不變性特征和差異性特征。

在一些實施例中，所述的多源圖像處理方法還包括，基于所述多幅相關圖像以及所述不變性特征提取殘余圖像，并對所述殘余圖像進行多尺度多層次特征解譯，提取所述殘余圖像的不變性特征和互補性特征。

在一些實施例中，所述多尺度多層次特征解譯是在當前層次的殘余多源圖像上提取不變性特征和互補性特征的迭代過程。

在一些實施例中，所述多幅相關圖像為采用多個傳感器獲得的多源遙感圖像。

在一些實施例中，基于所述多源遙感圖像的共同特征的相似性和差異性對所述綜合圖像進行自動聚類。

在一些實施例中，所述多源遙感圖像包括多幅單源圖像；基于所述單源圖像的相似性和差異性對所述多源遙感圖像進行自動聚類。

在一些實施例中，以所述綜合圖像的聚類中心及類標為基準對所述單源圖像的聚類類標進行重置。

在一些實施例中，所述特征解譯方程基于多源不變性特征拉普拉斯矩陣、多源互補性特征拉普拉斯矩陣以及保序性特征拉普拉斯矩陣構造。

在一些實施例中，所述的多源圖像處理方法，還包括：基于所述多源不變性樣本集合及其類標、所述多源差異性樣本集合及其類標構造多源不變性特征矩陣、多源互補性特征矩陣以及保序性特征矩陣；求解所述特征解譯方程得到廣義特征值和廣義特征向量；由所述特征解譯方程的非零最小廣義特征值對應的廣義特征向量生成特征解譯投影矩陣；以及基于所述特征解譯投影矩陣提取所述多幅相關圖像的不變性特征和差異性特征。

本發明所述方法對于解譯多源遙感圖像的特征不變性和差異性、理解和解決多源數據融合及目標識別的難點具有重要的意義，其主要優點如下：